Телеграмм чат группы bigdata_ru страница 2212

parrot.ru

Рейтинг популярных групп и каналов

В рейтинге участвует:

групп:

каналов:

Виртуальный сервер на SSD - недорого!

Аренда выделенных и виртуальных серверов (VDS/VPS), хостинг, аренда IP-адресов, администрирование, круглосуточная поддержка

qwarta.ru подробнее

Резервное копирование с проверкой на вирусы!!!

Удобный сервис создания резервных копий на любой сервер сети интернет. Отслеживайте изменения, проверяйте на вирусы. Надежно защитите свой бизнес!

go.backupland.com

Выбираете сервер? Любая конфигурация на заказ!

Аренда физических серверов любых конфигураций под любые запросы - 1С бухгалтерия, игровые сервера, нагруженные проекты, интернет-магазины!

qwarta.ru подробнее

Size: a a a

AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

4410 membersпожаловаться на группу

2020 August 29

П

Павел in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Чем вот такое можно приблизить (вообще, задача предсказания цены дома)?
Я вот думаю svr с гауссовским ядром (похоже, скорее, на эллипс, чем на прямую),
но мб что-то еще предложите?

Ээээ. Судя по подписям это сравнение результатов модели с реальными лейблами.... Ну модель плохая, меняй

источник

13:23пожаловаться #1

K

Kamoliddin in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

И не забыть про scaling

источник

13:24пожаловаться #2

MC

Maxim Cheparin in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

👌

источник

13:24пожаловаться #3

MC

Maxim Cheparin in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Опят таки тут показывают весь процесс

подозреваю, что чел это сореванование и траит

источник

13:26пожаловаться #4

EZ

Evgenii Zheltonozhsk... in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Павел

Ээээ. Судя по подписям это сравнение результатов модели с реальными лейблами.... Ну модель плохая, меняй

А, лейблы я не прочитал

источник

13:26пожаловаться #5

EZ

Evgenii Zheltonozhsk... in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

А в чем смысл такого фита

источник

13:26пожаловаться #6

K

Kamoliddin in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

подозреваю, что чел это сореванование и траит

Без разницы. Процесс описан в общем для любой проблемы регрессии. Повторение его действий принесёт как минимум нормальный результат. Если есть свои идеи насчёт данных то можно получить и лучше результаты

источник

13:28пожаловаться #7

КЧ

Кирилл Чертоганов... in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Ребят, подскажите какой-нибудь подход,модель, чтобы получить феноменальную точность , и чтобы модель была интерпретируемая, то есть было понятно какие признаки влияют на прогноз ? Может мне только машинное обучение нужно , а библиотеки статистики? Но туториалов не вижу , мало , на русском statmodels нету, хотелось бы что-то из state of the art ...

источник

14:36пожаловаться #8

D

Dima in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Кирилл Чертоганов

Ребят, подскажите какой-нибудь подход,модель, чтобы получить феноменальную точность , и чтобы модель была интерпретируемая, то есть было понятно какие признаки влияют на прогноз ? Может мне только машинное обучение нужно , а библиотеки статистики? Но туториалов не вижу , мало , на русском statmodels нету, хотелось бы что-то из state of the art ...

А такое есть?:D

источник

14:42пожаловаться #9

D

Dima in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Интерпретируемые модели: линейные модели, деревья
Но обычно такие модели проигрывают в качестве бустмнгам/нейронкам

источник

14:45пожаловаться #10

K

Kamoliddin in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Кирилл Чертоганов

Ребят, подскажите какой-нибудь подход,модель, чтобы получить феноменальную точность , и чтобы модель была интерпретируемая, то есть было понятно какие признаки влияют на прогноз ? Может мне только машинное обучение нужно , а библиотеки статистики? Но туториалов не вижу , мало , на русском statmodels нету, хотелось бы что-то из state of the art ...

Такого нет. Нужно пробовать все модели к примеру из scikit learn, оптимизировать их гиперпараметры, работать с данными

источник

14:46пожаловаться #11

K

Kamoliddin in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

80 процентов - работа с данными

источник

14:46пожаловаться #12

AB

Arcady Balandin in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

нейронки так то тоже интерпретируемые. на веса смотришь. если нули от входного признака значит он нафиг не нужен

источник

14:47пожаловаться #13

D

Dima in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Arcady Balandin

нейронки так то тоже интерпретируемые. на веса смотришь. если нули от входного признака значит он нафиг не нужен

Это не интерпретация)

источник

14:48пожаловаться #14

EZ

Evgenii Zheltonozhsk... in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Arcady Balandin

нейронки так то тоже интерпретируемые. на веса смотришь. если нули от входного признака значит он нафиг не нужен

Кек

источник

14:52пожаловаться #15

DD

David Dale in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Интерпретируемые модели: линейные модели, деревья
Но обычно такие модели проигрывают в качестве бустмнгам/нейронкам

Бустинг - это сумма деревьев, так что он тоже интерпретируемый. Можно смотреть на feature importance и в среднем по датасету, и в контексте отдельного сэмпла.

источник

14:57пожаловаться #16

FK

Feodosii Kotov in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Для интерпретируемости можно также попробовать shap

источник

15:01пожаловаться #17

КЧ

Кирилл Чертоганов... in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

80 процентов - работа с данными

Спасибо

источник

15:03пожаловаться #18

КЧ

Кирилл Чертоганов... in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Для интерпретируемости можно также попробовать shap

Ок, спс

источник

15:03пожаловаться #19

D

Dima in AI / Big Data / Machine Learning 👮‍♂️ Protected by R2D2

Бустинг - это сумма деревьев, так что он тоже интерпретируемый. Можно смотреть на feature importance и в среднем по датасету, и в контексте отдельного сэмпла.

Сумма деревьев-это леса.
Но не думаю,что даже леса можно считать интерпретируемыми. Например человеку не дали кредит и надо объяснить решение. Не думаю,что кто-то готов полотно А1 деревьев смотреть. Но это уже такое.

источник

15:05пожаловаться #20